预测python的随机模块随机生成的值
randcrack的Python项目详细描述
#Randcrack–Python随机模块破解器/预测器
[！[构建状态]（https://travis-ci.org/tnany/python-random-module-cracker.svg？branch=master）（https://travis ci.org/tna0y/python random module cracker）
！[pypi]（https://img.shields.io/pypi/v/randcrack.svg）
！[pypi-python版本]（https://img.shields.io/pypi/pyversions/randcrack.svg）
！[pypi-implementation]（https://img.shields.io/pypi/implementation/randcrack.svg）
此脚本能够预测python的“random”模块随机生成的值。
在**2.7.12**。享受吧！
然而，这个生成器并不是被设计成加密安全的。您不应该在关键应用程序中用作加密方案的prng。
您可以[在维基百科]（https://en.wikipedia.org/wiki/mersenne_twister）上了解有关此生成器的更多信息。
它从生成器中获得前624个32位数字，并获得最可能的mersenne twister矩阵状态，即内部状态。从这一点出发，生成器应该与cracker同步。
你必须在新种子出现之后，或者在624*32位产生之后，给饼干喂食，因为每624个32位数字生成器都会改变它的状态，饼干被设计成从某个状态的开始喂食。
提交624个整数后，它将不再需要任何时间，并准备好预测新数字。
Cracker可以使用以下方法预测新数字，这些方法的工作原理与“random”模块中的同辈完全相同，但没有“predict”前缀。这些是：`predict_getrandbits`，`predict_randbow`，`predict_randbrange`，`predict_randint`和`predict_choice`
**注意：*cracker不实现'random（）'函数的预测，因为它基于基于`/dev/urandom`的'os.urandom'模块。
下面是一个示例用法：
``python
import random，Randcrack导入Randcrack的时间
random.seed（time.time（））
>r.submit（random.getRandbibi位（32））
；可以用random.randint（0429494949676729294）或random.ranranranranranranranranrange（0429494949494967294）填充，也可以用random.random.randent（042949494949494949494967672929294）填充，打印（04random.random.randum我是说，4294967295），rc.预测范围（04294967295））
````
**输出**
`````
随机结果：127160928
cracker结果：127160928
````
cracker不是绝对准确的。它能够在第一代**624**32位上执行接近**100%**的精度，在第一代**1000**上执行接近**~99.5%**的精度，在第一代**10000**上执行接近**~95%**的精度，然后数字降到**~50%**精确到第**50000**代。
[！[构建状态]（https://travis-ci.org/tnany/python-random-module-cracker.svg？branch=master）（https://travis ci.org/tna0y/python random module cracker）
！[pypi]（https://img.shields.io/pypi/v/randcrack.svg）
！[pypi-python版本]（https://img.shields.io/pypi/pyversions/randcrack.svg）
！[pypi-implementation]（https://img.shields.io/pypi/implementation/randcrack.svg）
此脚本能够预测python的“random”模块随机生成的值。
在**2.7.12**。享受吧！
然而，这个生成器并不是被设计成加密安全的。您不应该在关键应用程序中用作加密方案的prng。
您可以[在维基百科]（https://en.wikipedia.org/wiki/mersenne_twister）上了解有关此生成器的更多信息。
它从生成器中获得前624个32位数字，并获得最可能的mersenne twister矩阵状态，即内部状态。从这一点出发，生成器应该与cracker同步。
你必须在新种子出现之后，或者在624*32位产生之后，给饼干喂食，因为每624个32位数字生成器都会改变它的状态，饼干被设计成从某个状态的开始喂食。
提交624个整数后，它将不再需要任何时间，并准备好预测新数字。
Cracker可以使用以下方法预测新数字，这些方法的工作原理与“random”模块中的同辈完全相同，但没有“predict”前缀。这些是：`predict_getrandbits`，`predict_randbow`，`predict_randbrange`，`predict_randint`和`predict_choice`
**注意：*cracker不实现'random（）'函数的预测，因为它基于基于`/dev/urandom`的'os.urandom'模块。
下面是一个示例用法：
``python
import random，Randcrack导入Randcrack的时间
random.seed（time.time（））
>r.submit（random.getRandbibi位（32））
；可以用random.randint（0429494949676729294）或random.ranranranranranranranranrange（0429494949494967294）填充，也可以用random.random.randent（042949494949494949494967672929294）填充，打印（04random.random.randum我是说，4294967295），rc.预测范围（04294967295））
````
**输出**
`````
随机结果：127160928
cracker结果：127160928
````
cracker不是绝对准确的。它能够在第一代**624**32位上执行接近**100%**的精度，在第一代**1000**上执行接近**~99.5%**的精度，在第一代**10000**上执行接近**~95%**的精度，然后数字降到**~50%**精确到第**50000**代。
欢迎加入QQ群-->： 979659372
